基于互信息的多关系朴素贝叶斯分类器

提出了一种针对分类属性数据特征选择的新算法。通过给出一种能够直接评价分类属性数据特征选择的评价函数新定义，重新构造能实现分类属性数据信息量、条件互信息、特征之间依赖度定义的计算公式，并在此基础上，提出

针对基于互信息（MI）传统特征选择方法中要求确定冗余度参数[β]的问题，提出一种改进型特征选择算法NMIFS-FS2。该算法在对连续或离散特征进行选择时，输入为特征组合与类之间的MI，代替传统算法中单

C++编写的朴素贝叶斯分类器跟k-means聚类，用于学习机器学习，最好是在Linux上运行，可以运行

小时间序列在宏观经济领域普遍存在, 对小时间序列的分类预测也有着广泛的需求.由于小时间序列 蕴含的信息不充分, 有效地提高小时间序列分类预测的可靠性非常困难, 目前也缺少这方面的研究.针对这种情况,

在数据分析中，Python编程语言是一种常用工具，而朴素贝叶斯分类器是一种重要的机器学习算法。本文将探讨如何使用Python编写代码来实现朴素贝叶斯分类器。这个算法是一种监督性学习方法，用于解决预测性

用matlab编的一个贝叶斯分类器，很好用

朴素贝叶斯分类器．本例用于识别手写的数字A～J!!!!

MATLAB代码写的求取两幅图像的互信息熵

为消除朴素贝叶斯分类时的零概率以及过度拟合问题，分析了各种概率平滑方法，给出了基于M估计的多关系朴素贝叶斯分类方法（MRNBC-M）和基于Laplace估计的多关系朴素贝叶斯分类方法（MRNBC-L）

提出了一种改进互信息的译文选择方法,认为词语的译文的选择不是孤立进行的,上下文对译文的选择有着重要的意义,通过对已有的互信息公式加入翻译模型特征进行改进,结合翻译模型与互信息来选择最佳译文,经过BLE